如何用dplyr按CountryCode和日期范围连接两个R数据框？

问题分析 #

你需要基于两个条件连接DF1和DF2：

1. 相同的CountryCode
2. EventDate落在ValidFrom与ValidUntil的日期范围内

你的代码未得到预期结果，核心问题大概率是日期未转换为Date类型，导致between()无法正确判断日期范围；另外join_by中的等式建议使用标准的==写法。

解决方案 #

步骤1：确保日期为Date类型 #

首先将数据中的日期字符串转换为R的Date类型，这是正确比较日期的前提：

library(dplyr)

# 构造示例数据（转换日期类型）
DF1 <- tibble(
  CountryCode = c("NL", "DE"),
  EventDate = as.Date(c("2023-02-17", "2022-08-17"))
)

DF2 <- tibble(
  CountryCode = c("NL", "NL", "DE", "DE"),
  FreightCost = c(10, 12, 8, 11),
  ValidFrom = as.Date(c("2021-07-01", "2021-08-01", "2021-08-01", "2023-01-01")),
  ValidUntil = as.Date(c("2022-07-31", "2025-12-31", "2022-12-31", "2025-12-31"))
)

方法一：先连接再筛选（直观易理解） #

先按CountryCode连接两个数据框，再筛选符合日期范围的行：

DF_final <- DF1 %>%
  left_join(DF2, by = "CountryCode") %>%
  filter(EventDate >= ValidFrom, EventDate <= ValidUntil) %>%
  select(CountryCode, EventDate, FreightCost)

方法二：使用dplyr的join_by（更高效的直接连接） #

利用join_by直接在连接时指定双条件，需要确保dplyr版本在1.1.0及以上：

DF_final <- DF1 %>%
  left_join(DF2, by = join_by(
    CountryCode == CountryCode,
    between(EventDate, ValidFrom, ValidUntil)
  )) %>%
  select(CountryCode, EventDate, FreightCost)

验证结果 #

运行上述代码后，DF_final将得到你期望的输出：

内容的提问来源于stack exchange，提问作者learnct